Journal of Information Systems Engineering and Business Intelligence

(1)

and Business Intelligence

Information Systems Engineering

Journal of

Volume 2 Number 1, April 2016

e-ISSN 2443-2555

http://e-journal.unair.ac.id/index.php/JISEBI

Published by:

(2)

e-ISSN 2443-2555

Journal of

Information Systems Engineering

and Business Intelligence

Volume 2 Number 1, April 2016

Editorial Board

Indra Kharisma Raharjana, S.Kom., M.T. (

editor-in-chief

)

Universitas Airlangga, Indonesia

Badrus Zaman, S.Kom., M.Cs.

Universitas Airlangga, Indonesia

Eva Hariyanti, S.Si., M.T.

Universitas Airlangga, Indonesia

Nur Aini Rakhmawati, S.Kom., MSc. Eng.

Institut Teknologi Sepuluh Nopember, Indonesia

Ira Puspitasari, S.T., M.T. Ph.D.

Universitas Airlangga, Indonesia

Ary Mazharuddin Shiddiqi, S.Kom., M.Comp.Sc.

Institut Teknologi Sepuluh Nopember, Indonesia

Faried Effendy S.Si. M.Kom.

Universitas Airlangga, Indonesia

Copy Editor

Rachman Sinatriya Marjianto, B.Eng. M.Sc.

Universitas Airlangga, Indonesia

Indah Yulia Prafitaning Tiyas, S.S.T., M.T.

Universitas Airlangga, Indonesia

Sekretariat :

Program Studi Sistem Informasi

Fakultas Sains dan Teknologi

Universitas Airlangga

Kampus C Jl. Mulyorejo Surabaya (6000115)

Telp. (031) 5936501, 5924614 Fax (031) 5936502

Penerbit :

Universitas Airlangga

(3)

e-ISSN 2443-2555

Journal of

Information Systems Engineering

and Business Intelligence

Journal of Information Systems Engineering and Business Intelligence menerima makalah

yang diangkat dari hasil penelitian di bidang Sistem Informasi dengan fokus pada Rekayasa

Sistem Informasi (Information Systems Engineering) dan Sistem Bisnis Cerdas (Business

Intelligence).

Rekayasa Sistem Informasi (Information Systems Engineering)

adalah pendekatan

multidisiplin terhadap aktifitas yang berkaitan dengan pengembangan dan pengelolaan sistem

informasi dalam pencapaian tujuan organisasi.

Ruang lingkup Information Systems Engineering meliputi (namun tidak terbatas):

-Pengembangan, pengelolaan, serta pemanfaatan Sistem Informasi,

-Rekayasa Perangkat Lunak,

-Tata Kelola Organisasi,

-Enterprise Resource Planning,

-Enterprise Architecture Planning,

-Knowledge Management.

Sistem Bisnis Cerdas (Business Intelligence)

melakukan kajian terhadap teknik untuk

melakukan transformasi data mentah menjadi informasi yang berguna dalam pengambilan

keputusan. mengidentifikasi peluang baru serta mengimplementasikan strategi bisnis

berdasarkan informasi yang diolah dari data sehingga menciptakan keunggulan kompetitif.

Ruang lingkup Business Intelligence meliputi (namun tidak terbatas):

-Data mining,

-Text mining,

-Data warehouse,

-Online Analytical Processing,

-Artificial Intelligence,

-Decision Support System.

Dipublikasikan oleh Program Studi Sistem Informasi Universitas Airlangga, diterbitkan dua

kali dalam satu tahun yaitu pada bulan April dan Oktober.

Journal of Information Systems

Engineering and Business Intelligence bisa disingkat dengan

JISEBI

untuk mempermudah

identifikasi dan pengucapan nama jurnal.

Journal of Information Systems Engineering and Business Intelligence

merupakan jurnal

elektronik

open

access

yang

bisa

dibuka

pada

laman

(4)

e-ISSN 2443-2555

Journal of

Information Systems Engineering

and Business Intelligence

Volume 2 Number 1, April 2016

DAFTAR ISI

Evaluasi Tutor Online untuk Meningkatkan Kualitas Layanan Tutorial

Tatap Muka pada Pendidikan Jarak Jauh

Sugiran Sugiran, Pardamean Daulay, Badrus Zaman, Faried Effendy, Lilis Amalia...

_1-10

Penyelesaian Masalah Penempatan Fasilitas dengan Algoritma Estimasi

Distribusi dan Particle Swarm Optimization

Amalia Utamima, Angelia Melani Andrian...

_11-16

Pengaruh dan Pola Aktivitas Penggunaan Internet serta Media Sosial pada

Siswa SMPN 52 Surabaya

Astrid Kurnia Sherlyanita, Nur Aini Rakhmawati...

_17-22

Perancangan dan Penerapan Konten e-Learning melalui Learning

Management System dalam Meningkatkan Motivasi Belajar Studi Kasus

pada Mata Kuliah Pemrograman Basis Data

Elis Hernawati, Pramuko Aji...

_23-32

Implementasi Location Based Service Pada Aplikasi Mobile Pencarian Halte

BRT Transmusi Palembang

Usman Ependi, Suyanto Suyanto...

_33-39

Visualisasi Data Menggunakan Sistem Informasi Geografis untuk Potensi

Bank Sampah di Surabaya

Muhammad Zaky Erdiansyah, Taufik Taufik, Indra Kharisma Raharjana...

_40-49

The Usage of E-Learning Model To Optimize Learning System In Higher

Education by Using Dick and Carey Design Approach

(5)

Journal of Information Systems Engineering and Business Intelligence Vol. 2, No. 1, April 2016

This is an open access article under the CC BY license (http://creativecommons.org/licenses/by/4.0/)

Evaluasi Tutor Online untuk Meningkatkan Kualitas

Layanan Tutorial Tatap Muka pada Pendidikan Jarak

Jauh

Sugiran

1)

_{, Pardamean Daulay}

2)

_{, Badrus Zaman}

3)

_{, Faried Effendy}

4)

_{, Lilis Amalia}

5) 1,2)_{UPBJJ-UT Surabaya, Universitas Terbuka}

Kampus C Unair Mulyorejo, Surabaya 1)_{sugiran-sby@ut.ac.id}

2)_{pardameandaulay@ut.ac.id}

3,4)_{Program Studi Sistem Informasi, Fakultas Sains dan Teknologi, Universitas Airlangga} Kampus C Unair Mulyorejo, Surabaya

3)_{badruszaman@fst.unair.ac.id} 4)_{faried-e@fst.unair.ac.id}

5)_{Program Studi Diploma Sistem Informasi, Fakultas Vokasi, Universitas Airlangga} Jl. Srikana 65 Surabaya

5)_{lilis.amalia-12@fst.unair.ac.id}

Abstrak— Penjaminan kinerja tutor di Universitas Terbuka (UT) ditentukan dari hasil evaluasi tutor yang dilakukan secara manual dengan cara membagikan angket kepada mahasiswa. Sistem ini membutuhkan biaya besar, kurang disukai mahasiswa, mengganggu aktivitas tutorial, pengolahan angket masih dilakukan secara manual, dan laporan hasil tidak dapat diterima tepat waktu. Solusinya perlu sistem evaluasi tutor berbasis online untuk menggantikan sistem yang lama. Penelitian ini bertujuan untuk menghasilkan aplikasi sistem evaluasi tutor berbasis online yang dapat meningkatkan kualitas layanan Tutorial Tatap Muka di UT. Desain aplikasi menggunakan System Development Life Cycle (SDLC) dengan beberapa tahapan. Tahap pertama adalah analisis kebutuhan menggunakan teknik wawancara, dokumentasi dan observasi. Tahap kedua adalah analisis kebutuhan sistem yang dilakukan untuk merumuskan solusi dari permasalahan yang ada. Tahap ketetiga yaitu perancangan sistem yang digambarkan dalam bentuk diagram dataflowdiagram context level (DFD). Tahap keempat merupakan implementasi sistem yang dilakukan dengan membuat

pseudocode. Tahap terakhir adalah pengujian sistem, menggunakan metode black box testing. Hasil ujicoba menunjukkan bahwa aplikasi sistem sudah sesuai dengan kebutuhan, dimana mahasiswa UT dapat menilai tutor dengan mengakses internet. Berdasarkan pengujian fungsional dan evaluasi aplikasi evaluasi tutor berbasis online ini dapat membantu UT dalam hal peningkatan kualitas layanan tutorial tatap muka.

Kata Kunci—Sistem Evaluasi Tutor, Tutorial Tatap Muka, Pendidikan Jarak Jauh, Universitas Terbuka

Abstract— Underwriting performance of tutors at the Open University (UT) is determined from the evaluation of tutors is done manually by distributing a questionnaire to students. This system is costly, less preferred students, interfere with the activity of the tutorial, the questionnaire processing is still done manually, and the report can not be received on time. The solution needs to be an evaluation system based tutors online to replace the old system. This study aims to generate application-based tutor online evaluation system which can improve the quality of service tutorial face to face at UT. Application design using the System Development Life Cycle (SDLC) with several stages. The first is a systems planning (needs analysis), using interview techniques, dokuemntasi and observation. Second, system analysis (system requirements analysis) conducted to formulate the solution of existing problems. Third, the system design (system design), which is depicted in diagrammatic form context-level data flow diagram (DFD). Fourth systems implementation (implementation of the system), carried out using pseudocode programming code based on the programming language, and Fifth, system testing, using black box method testing. Results test show that the application is in conformity with the needs of the system, where students can assess the tutor UT simply by accessing the internet. Expected results of this study, evaluation of the application form based online tutors can help UT in terms of improving the quality of face-to-face tutorial services.

Keywords—Tutor Evaluation System, Face to Face Tutorial, Distance Education, Open University

Article history:

Received 8 November 2015; Received in revised form 7 December 2015 & 2 March 2016; Accepted 10 March 2016; Available online 30 April 2016

I. PENDAHULUAN

Universitas Terbuka (UT) merupakan salah satu perguruan tinggi negeri di Indonesia yang

(6)

Sugiran, Daulay, Zaman, Effendy, & Amalia (2016). Journal of Information Systems Engineering and Business Intelligence, 2 (1), 1-10

2 ajar (modul) yang telah disediakan sesuai dengan waktu dan kesempatan masing-masing. Sistem belajar seperti ini terbukti efektif untuk meningkatkan daya jangkau dan pemerataan kesempatan pendidikan bagi semua warga negara Indonesia termasuk mereka yang tinggal di daerah terpencil. Namun, kenyataannya belum semua mahasiswa UT mampu mengikuti sistem belajar mandiri sehingga banyak diantara mereka yang mengalami masalah.

Adapun beberapa masalah yang sering dihadapi mahasiswa UT adalah kesulitan memahami bahan ajar, merasa terisolasi, dan lambat memperoleh feedback pada tugas-tugas yang dikerjakan (Andriani, 2005). Munculnya masalah-masalah tersebut diakibatkan mereka belum terbiasa dengan sistem belajar jarak jauh dan sebaliknya sudah terbiasa belajar tatap muka dengan bimbingan seorang guru di kelas sebagaimana yang dialaminya sewaktu belajar di tingkat sekolah sebelumnya. Oleh karena itu, mahasiswa yang belajar pada pendidikan jarak jauh, masih memerlukan bantuan akademik dalam bentuk layanan tutorial (Wardani, 2000).

Tutorial merupakan salah satu bentuk layanan bantuan belajar yang diberikan kepada mahasiswa untuk membantu mahasiswa mencapai hasil belajar secara optimal. Ada beberapa jenis layanan tutorial yang diselenggarakan di UT, yaitu tutorial tertulis, tutorial melalui internet, tutorial radio, dan tutorial tatap muka (TTM). Pada umumnya layanan tutorial tersebut menggunakan sarana multimedia atau media elektronik, sehingga diperlukan kemampuan tutor menyajikan materi dalam bentuk tulisan, dan menyampaikannya kepada mahasiswa melalui berbagai media yang tepat. Berbeda dengan jenis tutorial lain, TTM membutuhkan kehadiran seorang tutor untuk bertatap muka dengan mahasiswa pada saat berlangsungnya kegiatan tutorial. Dalam hal ini, ketersediaan tutor dianggap sebagai salah satu komponen penting dalam penyelenggaraan TTM.

Untuk memenuhi ketersediaan tutor, selama ini UT melakukan rekrutment tutor tidak terbatas dari kalangan internal saja, tetapi pada umumnya berasal dari luar UT, yaitu mereka yang memiliki profesi sebagai dosen pada perguruan tinggi lain, widyaswara, guru SMU, PNS atau tenaga kependidikan pada Dinas Pendidikan setempat, praktisi/karyawan dalam bidang tertentu yang dibutuhkan atau terkait dengan materi yang perlu dipelajari oleh mahasiswa, seperti IGTKI (khusus untuk tutor PAUD). Tutor dari luar UT ini biasanya bekerja sebagai tenaga lepas atau kontrak kerja (Padmo, 2004)

Namun, hasil evaluasi dan monitoring yang dilakukan selama ini, kebanyakan tutor dari luar UT seringkali menyamakan kegiatan tutorial dengan perkuliahan tatap muka seperti pada institusi tempat mereka bertugas. Padahal tugas

tutor jauh lebih berat, yaitu: harus menyiapkan bahan-bahan yang sesuai untuk diajarkan, menguasai materi, mampu menjelaskan konsep-konsep materi, mampu berkomunikasi dengan mahasiswa, dan mampu membuat penilaian (progress) mahasiswa (Arends, 2011).

Terdapat lima variabel kinerja tutor yang harus dikuasai oleh tutor, yaitu; (1) persiapan tutorial, meliputi persiapan rencana tutorial, persiapan bahan tutorial, persiapan tugas untuk mahasiswa, (2) penguasaan materi tutorial sebagai bahan yang akan diberikan kepada mahasiswa, (3) kemampuan tutor menyajikan materi ajar, (4) kemampuan berkomunikasi dengan mahasiswa, (5) disiplin tutor menjalankan tugas, pemanfaatan waktu, pemberian tugas sesuai jadwal, dan mengumpulkan nilai tugas tepat waktu (Herman, 2010).

Untuk menjamin kinerja tutor, UT telah melakukan berbagai upaya, diantaranya melalui pengembangan standar dan prosedur layanan prima serta berbagai pelatihan, baik melalui modus tatap muka maupun jarak jauh, melakukan program akreditasi tutor agar seluruh tutor yang tersebar di seluruh Indonesia memiliki standar yang baku (Prastiti, 2011). Penjaminan kualitas tutor juga ditentukan dari hasil evaluasi tutor oleh mahasiswa (Sudirah, 2009). Hal ini dilakukan agar evaluasi tutor dapat dilakukan dengan baik dan objektif sesuai dengan keinginan dan kebutuhan mahasiswa sebagai konsumen utama layanan UT.

Didalam organisasi pendidikan tinggi, evaluasi dosen merupakan cara untuk mengetahui pengaruh pengajaran dosen terhadap mahasiswa (Wijaya & Henny, 2012). Istilah lain yang sering digunakan adalah penimbangan karya, yaitu proses penilaian dari ciri-ciri kepribadian, perilaku kerja, dan hasil seorang tenaga kerja atau karyawan (pekerja dan manajer), yang dianggap menunjang unjuk kerjanya, yang digunakan sebagai bahan pertimbangan untuk pengambilan keputusan tentang tindakan-tindakan di bidang ketenagakerjaan. Evaluasi dosen meliputi kegiatan mengumpulkan informasi mengenai bagaimana dosen melakukan pekerjaan, menginterpretasi informasi dan membuat penilaian mengenai tindakan apa yang harus dilakukan untuk meningkatkan kualitas pengajaran.

Dalam rangka penjaminan mutu

(7)

3 kabupaten dan kota di wilayah jangkauan UPBJJ-UT Surabaya. Angket dianalisis dan dievaluasi oleh Tim Monev Tutorial UPBJJ-UT Surabaya, dan merumuskan kemungkinan perlunya tindakan perbaikan dan pencegahan. Hasilnya dilaporkan kepada manajemen UPBJJ-UT Surabaya untuk dievaluasi dan ditindaklanjuti, bagi penjaminan dan peningkatan mutu tutorial pada periode tutorial selanjutnya.

Namun pelaksanaan evaluasi tutor sulit dilakukan karena jumlah tutor yang harus dievaluasi cukup banyak dan lokasi tutorial yang tersebar di berbagai wilayah kabupaten/kota. Berdasarkan data tutor yang terdokumentasi di dalam Aplikasi Tutor UPBJJ-UT Surabaya, pada tahun 2014 jumlah tutor sebanyak 1.187 orang dengan kualifikasi pendidikan tutor bisa dilihat pada table 1.

TABEL 1.KUALIFIKASI PENDIDIKAN TUTOR Kualifikasi

Pendidikan Jumlah Persentae

Sarjana 294 25

Magister (S-2) 826 70

Doktor (S-3) 67 5

1.187 100

Sumber: Aplikasi Tutorial UPBJJ-UT Surabaya, 2014

Mengingat jumlah tutor yang harus dievaluasi cukup banyak, jumlah mahasiswa dan mata kuliah yang diambil juga cukup banyak, maka sistem evaluasi tutor yang dilakukan selama ini dinilai belum efektif dan efisien. Ketidakefektifan terlihat dari banyaknya kegiatan yang harus dilakukan, seperti pembagian angket, mengumpulkan, menghitung, melakukan analisis hasil angket, dan membuat laporan. Sementara itu, ketidakefisienan menyangkut pada besarnya biaya untuk mengcopy angket dan hal ini tidak sesuai dengan prinsip go green yang menjadi motto UT. Selain itu, secara psikologis ada kecemasan dari mahasiswa apabila mengisi angket karena perasaan takut terhadap tutor yang sedang dinilai.

Solusi yang ditawarkan untuk menyelesaikan permasalahan tersebut adalah dengan membangun aplikasi sistem evaluasi tutor berbasis online, di mana mahasiswa dapat mengisi angket dengan cara mengakses internet baik menggunakan komputer maupun telepon genggam. Aplikasi seperti ini sebenarnya sudah lazim digunakan oleh perusahaan dan di dunia pendidikan untuk memberikan penilaian kepada semua aspek kegiatan yang dikelola. Bahkan, di era media sosial saat ini, pengumpulan data tentang persepsi, pandangan, sikap khalayak yang sebelumnya harus digali lewat penelitian lapangan yang berbiaya tinggi bisa diperoleh cukup tersambung ke internet (Rahmawati & Ahdiat, 2014).

Kemudahan-kemudahan tersebut ditunjang dengan adanya situs penyedia layanan pembuatan survey, seperti SurveyMonkey yang sering digunakan untuk survei tentang kepuasan

konsumen atas pelayanan/produk bisnis (customer satisfaction questionnaire), kualitas brand suatu produk di mata pelanggan (brand awareness), harga terbaik seperti apa yang diterima pasar (price testing), ide-ide bisnis baru apa yang tengah populer di pasaran (concept testing), dan meneliti tentang kompetitor/pesaing (competitor research). Sementara itu, di dunia pendidikan, beberapa universitas juga telah menggunakan evaluasi layanan akademik maupun nonakademik dengan memanfaatkan internet. Namun, evaluasi yang dilakukan bukan untuk menilai produk, tetapi lebih banyak untuk kepentingan pengukuran dan perbaikan proses pembelajaran. Misalnya, di Universitas Indonesia ada kewajiban bagi mahasiswa untuk menilai kinerja dosen dalam proses pembelajaran pada setiap akhir semester dengan memanfaatkan akses internet.

Beberapa penelitian yang dilakukan untuk mengembangkan aplikasi sistem evaluasi untuk keperluan pembelajaran sudah banyak dilakukan misalnya (Syamsiyah, 2015) (Sidiq, 2009) (Kertiasih, Setemen, Suputra, & Marti, 2015) dan (Wijaya & Henny, 2012). Berdasarkan beberapa hasil penelitian tersebut menunjukkan bahwa pengembangan aplikasi evaluasi berbasis web sudah banyak dilakukan, namun tampaknya masih terbatas pada perguruan tinggi tatap muka, sedangkan pada perguruan tinggi jarak jauh, seperti di UT belum pernah dilakukan. Padahal, UT memiliki jumlah mahasiswa yang banyak dan tersebar di seluruh Indonesia, maka sistem evaluasi tutor berbasis online ini bisa menjadi solusi teknologi yang diharapkan dapat meningkatkan kualitas layanan tutorial tatap muka. Selain itu aplikasi ini dapat membantu penyusunan jadwal tutorial karena sistem ini juga dapat merekomendasikan nama-nama tutor yang bisa memberi tutorial pada semester berikutnya. Aplikasi ini akan berguna dalam meningkatkan kualitas tutor dan upaya meningkatkan layanan bantuan belajar kepada mahasiswa.

II. METODE PENELITIAN

Pengembangan sistem evaluasi tutor berbasis online dilakukan dengan memodifikasi metode System Development Life Cycle (SDLC), yang terdiri dari 6 tahapan, yaitu; systems planning (tahap perencanaan), systems analysis (tahap analisa), systems design (tahap perancangan), systems implementation (tahap implementasi), dan System testing (tahap pengujian).

(8)

4 1) Wawancara: wawancara dilakukan dengan calon pengguna aplikasi sistem, yaitu; mahasiswa, tutor, dan pegawai tata usaha untuk memperoleh data dan informasi terkait kegiatan evaluasi tutor yang selama ini digunakan.

2) Studi dokumentasi : mempelajari berkas-berkas yang terkait dengan sistem evaluasi tutor yang selama ini digunakan.

2) Observasi: melihat secara langsung prosedur-prosedur yang digunakan dalam kegiatan evaluasi tutor yang selama ini dilakukan. Data yang terkumpul dijadikan sebagai acuan untuk merevisi aplikasi yang akan dikembangkan untuk mendapatkan hasil akhir yang diinginkan.

B. System Analysis (Analisis Kebutuhan Sistem) Informasi yang terdapat dalam dokumen analisis kebutuhan, akan menjadi referensi di tahap analisis sistem ini. Data yang telah teridentifikasi selanjutnya dianalisa dan kemudian merumuskan solusi yang paling tepat untuk memecahkan permasalahan yang ada. Dalam tahap ini hal-hal yang perlu dianalisis adalah hambatan yang dialami oleh pengguna, dan fungsi yang ditangani sistem.

C. System Design (Perancangan Sistem)

Pada tahapan perancangan sistem dilakukan menggunakan metode berorientasi obyek yang digambarkan dalam bentuk diagram jenjang (Hieracy Chart) dan data flow diagram context level (DFD). Diagram-diagram tersebut digunakan sebagai acuan dalam pembangunan sistem. Desain sistem yang dilakukan dalam penelitian ini meliputi desain model, desain database serta desain input dan output.

D. System Implementation (Sistem Implementasi) Tahap implementasi merupakan penerapan dari sistem yang telah dibangun sebelumnya dengan menggunakan perangkat lunak maupun perangkat keras. Implementasi sistem dilakukan dengan menggunakan kode pemrograman pseudocode berbasis pada bahasa pemrograman, sehingga mudah untuk menggambarkan algoritma yang akan dikomunikasikan kepada programmer. Prosedur penggunaan sistem digambarkan melalui bagan alir sistem (sistem flowchart) dan form input dan output.

E. System Testing (Tahap Pengujian)

Untuk menjamin bahwa persyaratan sistem (pada tahap pertama) telah dipenuhi dilakukan tahap pengujian sistem. Uji coba sistem bertujuan untuk mengetahui apakah sistem dapat berjalan dengan baik atau tidak, dan mengetahui seberapa banyak kesalahan yang ada pada sistem. Apabila terdapat kesalahan, maka sistem akan diperbaiki dan diuji kembali. Pengujian sistem dilakukan menggunakan black box testing, yaitu mengamati hasil eksekusi melalui data uji dan memeriksa

fungsional dari perangkat lunak. Selain itu, ujicoba sistem juga dilakukan dengan meminta pendapat dua orang pakar yang sekaligus bertugas untuk memvalidasi rancangan aplikasi sistem. Kriteria pakar yang digunakan adalah dosen bidang teknologi informasi dengan kualifikasi minimal bergelar master dibidang teknologi informasi.

III. HASIL DAN PEMBAHASAN A. Hasil Identifikasi Kebutuhan

Identifikeasi kebutuhan dilakukan dengan beberapa tekinik yaitu wawancara, studi dokumentasi dan observasi. Berikut adalah hasil dari tahapan identifikasi kebutuhan.

1) Wawancara: hasil wawancara menunjukkan bahwa meskipun sistem pendidikan jarak jauh membatasi kontak langsung antara mahasiswa dengan dosen, tetapi mahasiswa UT masih menaruh harapan besar terhadap adanya penyelenggaraan layanan tutorial tatap muka dan berharap agar tutor yang memberi tutorial adalah orang-orang yang memiliki kualitas yang baik. Idealnya Unit Program Belajar Jarak Jauh (UPBJJ) UT Surabaya mencetak kuisioner sesuai jumlah mahasiswa yang ada. Namun, jumlah mahasiswa UT yang cukup banyak, maka kuesioner yang diperbanyak hanya untuk perwakilan mahasiswa. Jika mengcoy kuesioner untuk seluruh mahasiswa membutuhkan dana yang cukup besar. Untuk mengurangi biaya tersebut, selama ini hanya perwakilan mahasiswa saja di setiap kelas yang dimintai untuk mengisi kuisioner. Proses evaluasi tersebut secara ekonomis memang dapat menghemat dana atau anggaran UT, tetapi di sisi yang lain kurang mencerminkan nilai-nilai demokrasi, bahkan ada penilaian dari mahasiswa yang tidak terakomodasi sehingga tujuan evaluasi tutor untuk memperoleh feedback perbaikan program terutama kualitas dan kinerja tutor tidak tercapai. Secara psikologis, hambatan yang sering dihadapi adalah munculnya kecemasan pada mahasiswa karena meskipun tidak menantumkan nama, tetapi tutor dan pegawai UT masih bisa menelusuri melalui pencocokan tandan tangan. Untuk itu, perlu sistem evaluasi tutor yang baru dengan memanfaatkan teknologi internet.

(9)

5

TABEL 2.HAMBATAN SISTEM EVALUASI TUTORIAL SECARA MANUAL Pencetakan Kuesioner Pembagian Kuesioner Pengisian Kuesiner Pengolahan

Hasil Jadwal Tutorial

 Mudah terselip

 menunggu hasil laporan evaluasi tutorial Penysunan jadwal masih manual

Gambar 1. Context Diagram data kabupaten Setelah angket dibagikan dan diisi, petugas

penanggung jawab wilayah mengumpulkan hasil tersebut mulai dari setiap kelompok belajar, kabupaten dan dikumpulkan ke UPBJJ-UT Surabaya. Kuisioner yang sudah diisi dihitung menggunakan hitungan manual menggunakan spread sheet. Petugas harus memasukkan data satu persatu kemudian menghitung jumlah dan rata-rata dari daftar pertanyaan. Hasil perhitungan dikumpulkan dan diserahkan kepada Koordinator BBLBA. Selanjutnya, Koordinator BBLBA akan melakukan rekapitulasi data dengan menggunakan program Microsoft Exel. Data tersebut diolah menjadi sebuah laporan berupa grafik pencapaian tutor selama memberikan tutorial di kelas. Dari hasil grafik itulah dapat diketahui bagaimana kinerja masing-masing tutor. Laporan evaluasi tutor yang telah selesai dibuat akan diarsipkan ke dalam sebuah lemari arsip.

3) Observasi, evaluasi tutor dilakukan setiap semester dengan cara mengedarkan angket kepada pengurus pokjar, kemudian dibagikan kepada mahasiswa. Angket kuisioner didapatkan dari UT Pusat yang berisi tentang daftar pertanyaan yang harus diisi oleh mahasiswa. Sebelum diedarkan, pihak UPBJJ-UT Surabaya mencetak kuisioner

sebanyak jumlah mahasiswa. Namun faktanya, jumlah mahasiswa yang cukup banyak sehingga petugas hanya memperbanyak sesuai jumlah kebutuhan saja. Dalam hal ini, hanya perwakilan mahasiswa pada setiap kelas yang diminta untuk mengisi kuisioner. Setelah diisi oleh mahasiswa, kuesioner dikumpulkan kembali kemudian dihitung secara manual menggunakan spread sheet. Petugas memasukkan data satu persatu dan menjumlahkan rata-rata dari hasil kuesioner. Data yang telah diolah kemudian dibuatkan dalam sebuah laporan berupa grafik pencapaian tutor. Dari laporan tersebut dapat diketahui tutor mana yang layak dan tidak layak, kemudian tutor yang memperoleh nilai layak akan direkomendasikan untuk memberi tutor pada semester berikutnya. Sistem evaluasi ini memiliki beberapa hambatan, diantaranya, pencetakan kuesioner, pembagian kusioner, pengisian kuesioner, pengolahan hasil, dan penyusunan jadwal tutorial. Selengkapnya dapat dilihat dalam Tabel 2.

(10)

6

mendukung hasil penelitian yang menyatakan bahwa evaluasi manual dengan menggunakan instrumen angket memiliki banyak kelemahan, diantaranya; Pertama, evaluasi manual memerlukan waktu dan biaya yang cukup banyak untuk memproduksi instrumennnya. Kedua, proses pemeriksaan evaluasi dengan instrumen tercetak cukup rumit, sehingga memerlukan waktu bayak dan cenderung membosankan. Ketiga, secara psikologis evaluasi tutor menimbulkan

kecemasan, meskipin tanpa mencantumkan identitas, namun diyakini masih dapat ditelusuri melalui pencocokan tulisan tangan (Kertiasih, Setemen, Suputra, & Marti, 2015).

B. Hasil Analisis Kebutuhan

(11)

7

Gambar 3. Desain form angket evaluasi

1) Fitur yang dibutuhkan: berbagai hambatan yang dialami pada sistem evaluasi tutor yang selama ini digunakan, maka sistem evaluasi tutor berbasis online perlu dikembangkan. Dalam perancangan aplikasi ini, hal yang menjadi perhatian utama adalah kemudahan pengguna dalam mengoperasikan aplikasi tersebut. Untuk merancang model evaluasi tutor berbasis online ini, ada beberapa tahap yang harus dilakukan, yaitu diagram jenjang (Hieracy Chart). Perancangan basis data pada Aplikasi Evaluasi tutor berbasis online dapat dilihat pada gambar 1.

2) Prosedur baru: berdasarkan fitur yang sudah didefinisikan, prosedur atau urutan kegiatan evaluasi tutor mengalami beberapa perubahan. Prosedur proses evalusi tutor yang baru adalah sebagai berikut:

a) Prosedur Pengelolaan Angket Evaluasi. Penghitungan jumlah secara otomatis oleh sistem berdasarkan pertanyaan pada evaluasi. Menghasilkan jumlah yang akan dikonfersikan ke dalam bentuk diagram batang. Diagram batang menampilkan hasil penilaian evaluasi setiap mata kuliah yang diampu seorang tutor dalam satu semester berdasarkan satu prodi.

b) Pengelolaan Data Master, admin login ke ke sistem. Untuk memasukkan data baru, admin memasukkan data ke form inputan yang telah tersedia, kemudian klik button simpan untuk menyimpan data yang sudah diisikan. Untuk mengubah dan menghapus data, admin membuka halaman form yang terdapat tabel yang terdapat navigasi edit dan delete. Klik button edit untuk mengubah data. Isikan field yang ingin dirubah, llik button simpan untuk menyimpan data yang sudah dirubah.

c) Prosedur Pengisian Angket Evaluasi. Mahasiswa login ke ke sistem. Mahasiswa memilih nama mata kuliah berserta nama tutor yang mengampu mata kuliah tersebut. Kemudian mahasiswa mengisi kuisioner berupa pertanyaan. Tekan tombol save untuk mengakhiri pengisian kuisioner dan hasilnya akan tersimpan ke sistem. C. Hasil Perancangan Sistem

Hasil perancangan sistem menunjukkan bahwa semua user, yaitu administrator, tutor, dan mahasiswa harus melakukan login terlebih dahulu untuk mengakses perangkat lunak. Sistem akan melakukan verifikasi dan validasi. Apabila password salah, maka akan tampil informasi verifikasi, yaitu berupa pesan kesalahan. Administrator mengelola data tutor, mahasiswa, mata kuliah, kuesioner, mengubah password dan melihat hasil kuesioner. Mahasiswa dapat megubah password dan mengisi kuesioner. Desain aplikasi sistem evaluasi tutor ini disajikan dalam bentuk model logika yang digambarkan dengan menggunakan Data Flow Diagram (DFD). DFD sistem evaluasi tutor memiliki enam entitas, yaitu admin, penanggung jawab wilayah, Tutor, Kepala UPBJJ-UT Surabaya, Koordinator BBLBA, dan Mahasiswa. Objek-objek perancangan DFD digambarkan melalui Context diagram dan DFD Level 0. Context Diagram dapat ditunjukkan pada Gambar 1.

(12)

8

Gambar 4. Desain Output grafik laporan hasil evaluasi tutor

Gambar 5. Tampilan Pengisian Angket Diagram Level 0 selengkapnya ditunjukkan pada

Gambar 2.

Rancangan sistem terakhir adalah desain input dan output. Desain input adalah desain yang digunakan untuk menerima masukan data yang akan disimpan ke dalam database dan akan digunakan ke dalam proses transaksi maupun sebagai output yang dilaporkan. Salah satu desain input yang berhasil dikembangkan adalah input

(13)

9 Desain ouput ditunjukkan pada Gambar 4.

D. Hasil Implementation

Ada beberapa tampilan form dalam aplikasi evaluasi tutor berbasis online, seperti halaman proses pengisian angket dapat dilihat pada Gambar 5.

Pseudocode pengisian angket evaluasi ini menjelaskan alur kerja sistem yaitu saat mahasiswa mengisikan data angket evaluasi. Pada proses ini terdapat input data sebagai berikut : Input : mengisikan data pada field angket, memberikan penilaian pada setiap aspek. Pseudocode pengisian angket evaluasi dapat dilihat pada Gambar 6.

1. Mulai

2. Load data jadwal mahasiswa

3. Tampilkan nama mahasiswa otomatis dari

Tabel Mahasiswa

4. Tampilkan No Angket otomatis dari

Tabel Angket

5. Klik “Nama Tutor”

6. THEN

7. Tampil list Nama Tutor dan Mata Kuliah

dari tabel Tutor dan Mata Kuliah 8. Pilih poin 1-4 pada penilaian evaluasi

9. Input data evaluasi

10.Klik simpan 11.THEN

12.Data tersimpan di tabel angket

13.ELSE (data penilaian evaluasi belum dipilih) then

14.Tampil peringatan “data harus diisi” 15.Pilih penilaian evaluasi

16.Endif 17.Selesai

Gambar 6. Pseudocode pengisian angket E. Hasil Pengujian Sistem

Pengujian sistem yang dilakukan meliputi: pengujian proses pengelolaan data master, proses pengisian angket evaluasi, proses pengelolaan angket evaluasi, proses penjadwalan, proses persetujuan penjadwalan, dan pembuatan laporan. Hasil uji coba sistem evaluasi tutor dapat dilihat pada Tabel 3.

Berdasarkan hasil ujicoba yang dilakukan dengan menggunakan black box testing diperoleh hasil bahwa sistem telah sesuai dengan kebutuhan yang diinginkan. Fungsi-fungsi yang ada pada sistem yang digunakan untuk mengelola data tutor, data mahasiswa, data matakuliah, data pertanyaan untuk evaluasi tutor sudah mewakili kebutuhan untuk melakukan evaluasi terhadap kinerja tutor guna meningkatkan kualitas layanan tutorial tatap muka pada pendidikan jarak jauh. Namun, untuk mendapatkan hasil yang lebih maksimal, evaluasi juga dilakukan oleh pakar bidang teknologi sistem informasi. Evaluasi pakar ini bertujuan untuk memvalidasi sistem dan sekaligus masukan untuk perbaikan selanjutnya. Berdasarkan saran atau tanggapan yang disampaikan oleh pakar, digunakan untuk melakukan perbaikan hingga sistem ini layak

untuk dipublikasikan kepada mahasiswa UT sebagai pengguna. Namun, sistem ini masih perlu disempurnakan agar aplikasi sistem dapat merekomendasikan tutor layak atau tidak dan melakukan uji coba produk kepada mahasiswa agar aplikasi sistem ini dapat dimanfaatkan secara meluas di UT.

TABEL 3.HASIL UJI COBA SISTEM

No Input Expected output Hasil

1 Memasukkan data mahasiswa secara

lengkap

Tampil data

mahasiswa baru Sesuai

Tidak memasukkan

2 Memasukkan data angket evaluasi secara

lengkap

Menyimpan data

angket ke database Sesuai

Tidak memasukkan

3 Memasukkan data

penilaian tutor Menampilkan grafik view dan laporan Sesuai Tidak memasukkan

4 Memasukkan data penjadwalan secara

5 Menyetujui dengan menggunakan klik form atau tidak sesuai

Data tidak berubah Sesuai

6 Klik button Cetak Menampilkan

laporan Sesuai Tidak Klik button

cetak Laporan tidak tampil Sesuai IV. KESIMPULAN

Berdasarkan hasil pengujian rancangan sistem yang telah dibangun menunjukkan bahwa aplikasi sistem evaluasi tutor berbasis online telah sesuai dengan kebutuhan yang diinginkan. Sistem ini diharapkan mampu memberikan solusi terhadap berbagai hambatan yang dialami pada sistem evaluasi tutor dengan menggunakan angket yang selama ini diterapkan di UT, seperti mengefektifkan waktu pelaksanaan evaluasi tutor, mengefisienkan biaya produksi angket, mempermudah penghitungan dan penyusunan laporan, tidak mengganggu pelaksanaan tutorial dan secara psikologis diharapkan mengurangi kecemasan mahasiswa.

(14)

10 merekomendasikan tutor layak atau tidak untuk semester berikutnya. Melakukan uji coba produk kepada mahasiswa agar aplikasi sistem ini dapat dimanfaatkan secara meluas di UT.

UCAPANTERIMAKASIH

Terima kasih kami kepada Direktorat Jenderal Pendidikan Tinggi Kementerian Riset Teknologi dan Pendidikan Tinggi yang telah membiayai penelitian Hibah Bersaing.

DAFTARPUSTAKA

Andriani, D. (2005). Mahasiswa S2 pada sistem PJJ: pemanfatan Internet dan bantuan belajar. Jurnal Pendidikan Terbuka dan, 6 (2), 77-91.

Arends, R. I. (2011). Learning to Teach. New York: McGraw-Hill Education.

Herman. (2010). Penilaian peserta terhadap kinerja tutor, dan hasil tutorial dan biaya tutorial pada tutorial tatp muka di Universitas Terbuka. Jurnal Pendidikan Terbuka dan Jarak Jauh,, 11 (2), 84-98.

Kertiasih, N. K., Setemen, K., Suputra, P. H., & Marti, N. W. (2015). Pengembangan Sistem Evaluasi Untuk Dosen Sebagai Upaya Peningkatan Kualitas Pembelajaran. JPTK, UNDIKSHA, 12 (1), 27 – 34.

Padmo, D. (2004). Sistem Jaminan Kualitas pada Pendidikan Tinggi Jarak Jauh. Jakarta: Universitas Terbuka.

Prastiti, T. (2011). Evaluasi Program Pelatihan Tutor di Universitas Terbuka. Jurnal Evaluasi Pendidikan, 2 (2), 206-217.

Rahmawati, D., & Ahdiat, A. (2014). Penelitian Sosial Digital : Menelaah kehidupan masyarakat di era teknologi informasi. Jakarta: Linea. Sidiq, M. (2009). Pengembangan Sistem Informasi

Evaluasi Kinerja Dosen Pada Fakultas Sains dan Teknologi UIN Syarif Hidayatullah. Skripsi, UIN Syarif Hidayatullah, Program Studi Sistem Informatika.

Sudirah. (2009). Model Pengembangan Kompetensi Tutor UT Berdasarkan Persepsi Tutor dan Alumni di UPBJJ Jakarta, Bogor, dan Serang. Disertasi, Institut Pertanian Bogor, Sekolah Pascasarjana .

Syamsiyah. (2015). Aplikasi Monitoring dan Evaluasi Perkuliahaan (Studi kasus Fakultas Sains dan Teknologi UIN Sunan Gunung Djati). Skripsi, UIN Sunan Gunung Djati, Program Studi Sistem Informatika.

Wardani, I. (2000). Program tutorial dalam sistem pendidikan tinggi terbuka dan jarak jauh. Jurnal Pendidikan Tinggi Jarak Jauh, 1 (2), 41 – 52. Wijaya, A., & Henny, J. (2012). Aplikasi Evaluasi

(15)

Penyelesaian Masalah Penempatan Fasilitas dengan

Algoritma Estimasi Distribusi dan Particle Swarm

Optimization

Amalia Utamima

1)

_{, Angelia Melani Adrian}

2)

1)_{Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember}

Kampus ITS Sukolilo, Surabaya, 60111

1)_{amalia@its-sby.edu}

2)_{Department of Industrial Management, National Taiwan University of Science and Technology}

Taipei City 106, Taiwan, ROC

2)_{melaning21@yahoo.com}

Abstrak—Masalah penempatan fasilitas pada garis lurus dikenal sebagai problem Penempatan Fasilitas pada Satu Baris (PFSB). Tujuan PFSB, yang dikategorikan sebagai masalah NP-Complete, adalah untuk mengatur tata letak sehingga jumlah jarak antara pasangan semua fasilitas bisa diminimalisir. Algoritma Estimasi Distribusi (EDA) meningkatkan kualitas solusi secara efisien dalam beberapa pengoperasian pertama, namun keragaman dalam solusi hilang secara pesat ketika semakin banyak iterasi dijalankan. Untuk menjaga keragaman, hibridisasi dengan algoritma meta-heuristik diperlukan. Penelitian ini mengusulkan EDAPSO, algoritma yang terdiri dari hibridisasi EDA dan Particle Swarm Optimization (PSO). Tujuan dari penelitian ini yaitu untuk menguji performa algoritma EDAPSO dalam menyelesaikan PFSB.Kinerja EDAPSO yang diuji dalam 10 masalah benchmark PFSB dan EDAPSO berhasil mencapai solusi optimal.

Kata kunci—penempatan fasilitas, algoritma estimasi distribusi, particle swarm optimization

Abstract—The layout positioning problem of facilities on a straight line is known as Single Row Facility Layout Problem (PFSB). Categorized as NP-Complete problem, PFSB aim to arrange the layout so that the sum of distances between all facilities’ pairs can be minimized. Estimation of Distribution Algorithm (EDA) improves the solution quality efficiently in first few runs, but the diversity lost grows rapidly as more iterations are run. To maintain the diversity, hybridization with meta-heuristic algorithms is needed. This research proposes EDAPSO, an algorithm which consists of hybridization of EDA and Particle Swarm Optimization (PSO). The objective of this research is to test the performance of EDAPSO algorithm for solving PFSB. EDAPSO’s performance is tested in 10 benchmark problems of PFSB and it successfully achieves optimum solution.

Keywords— facility layout, estimation distribution algorithm, particle swarm optimization

Article history:

Received 16 January 2016; Received in revised form 10 March 2016; Accepted 11 March 2016; Available online 30 April 2016

I. PENDAHULUAN

Masalah Penempatan Fasilitas, dikategorikan sebagai Quadratic Assignment Problem, memperhatikan penataan sejumlah fasilitas di ruang tertentu untuk memenuhi fungsi tujuan. Penempatan fasilitas yang dirancang secara efektif dapat mengurangi waktu tunggu di pabrik, dan meningkatkan jumlah produk yang sukses dikirim. Dengan demikian, meningkatkan produktivitas secara keseluruhan dan efisiensi pabrik.

Permasalahan Penempatan Fasilitas pada Satu Baris atau Single Row Facility Layout Problem(PFSB) terjadi ketika beberapa produk

(16)

Penelitian baru-baru ini telah mencoba untuk memecahkan PFSBdengan pendekatan meta-heuristik. Beberapa diantaranya, Samarghandi et al. menggunakan

Swarm Optimization(PSO) dan

untuk mencari tahu solusi efisien untuk (Samarghandi, Taabayan, & Jahantigh, A particle swarm optimization for the single row facility layout problem, 2010) (Samarghandi & Eshghi, An efficient tabu algorithm for the single row facility layout problem, 2010) (Datta, Amaral, & Figueira, 2011)

permutasi berbasis algoritma genetika untuk mendapatkan solusi optimal untuk

Dengan memecahkan PFSBsecara efektif, suatu algoritma diharapkan juga bisa berhasil untuk memecahkan kasus yang berbeda pada problem penempatan fasilitas.

Algoritma Estimasi Distribusi

Estimation Distribution Algorithm

adalah teknik optimasi stokastik yang mengeksplorasi ruang solusi potensial dengan memanfaatkan ketergantungan antar variabel dan melakukan proses sampel model probabilistik pada calon solusi yang menjanjikan (Hauschild & Pelikan, 2011) karena itu, EDA bisa memecahkan masalah optimasi kompleks secara efisien

Muehlenbein, 2004).

Utamima

Journal of Information Systems Engineering and Business Intelligence, 2 (1), 11

12

Gambar 1. Kerangka kerja EDAPSO baru ini telah mencoba

dengan pendekatan heuristik. Beberapa diantaranya, Samarghandi et al. menggunakan Particle

dan Tabu Search, untuk mencari tahu solusi efisien untuk PFSB (Samarghandi, Taabayan, & Jahantigh, A arm optimization for the single row (Samarghandi & Eshghi, An efficient tabu algorithm for the single row facility layout problem, 2010). (Datta, Amaral, & Figueira, 2011) menawarkan permutasi berbasis algoritma genetika untuk mendapatkan solusi optimal untuk PFSB. secara efektif, suatu algoritma diharapkan juga bisa berhasil untuk n kasus yang berbeda pada problem

Algoritma Estimasi Distribusi atau

Estimation Distribution Algorithm (EDA) adalah teknik optimasi stokastik yang mengeksplorasi ruang solusi potensial dengan memanfaatkan ketergantungan antar variabel dan melakukan proses sampel model probabilistik pada calon solusi yang (Hauschild & Pelikan, 2011). Oleh karena itu, EDA bisa memecahkan masalah optimasi kompleks secara efisien (Zhang &

EDA meningkatkan kualitas solusi secara efisien dalam beberapa pengoperasian pertama, namun keragaman dalam solusi hilang secara pesat ketika semakin banyak iterasi dijalankan. Untuk menjaga keragaman, hibridisasi dengan algoritma meta-heuristik diperlukan. EDA akan digunakan untuk mengkarakterisasi

solution dan kemudian mencari di sekitar ruang solusi saat ini. Setelah itu, meta

(dalam penelitian ini adalah PSO) memperkenalkan solusi baru ke dalam populasi untuk mempertahankan keragaman, yang dapat menghindari konvergensi prematur EDA Chen, Chang, & Chen, 2012)

dikombinasikan dan untuk membentuk suatu algoritma baru yang disebut EDAPSO. dari penelitian ini yaitu untuk menguji performa algoritma EDAPSO dalam menyelesaikan PFSB.

II. METODOLOGI

Secara umum, penelitian ini melakukan dua tahapan yaitu membangun algoritma EDAPSO dan mengaplikasikan EDAPSO untuk menyelesaikan PFSB.

Penelitian ini menganggap

ukuran fasilitas yang berbeda. Diketahui panjang li dari setiap fasilitas

C=[cij], dimana

cijadalah beban lalu lintas

antara fasilitas i dan j. Jarak antara dua fasilitas Utamima & Adrian (2016) Journal of Information Systems Engineering and Business Intelligence, 2 (1), 11-16

meningkatkan kualitas solusi secara efisien dalam beberapa pengoperasian pertama, namun keragaman dalam solusi hilang secara pesat ketika semakin banyak iterasi dijalankan. Untuk menjaga keragaman, hibridisasi dengan heuristik diperlukan. EDA akan digunakan untuk mengkarakterisasi parent

dan kemudian mencari di sekitar ruang solusi saat ini. Setelah itu, meta-heuristik (dalam penelitian ini adalah PSO) memperkenalkan solusi baru ke dalam populasi mpertahankan keragaman, yang dapat menghindari konvergensi prematur EDA (Chen, Chen, Chang, & Chen, 2012). EDA dan PSO dikombinasikan dan untuk membentuk suatu algoritma baru yang disebut EDAPSO. Tujuan yaitu untuk menguji performa algoritma EDAPSO dalam menyelesaikan PFSB.

METODOLOGI

Secara umum, penelitian ini melakukan dua tahapan yaitu membangun algoritma EDAPSO dan mengaplikasikan EDAPSO untuk

(17)

Utamima & Adrian (2016) Journal of Information Systems Engineering and Business Intelligence, 2 (1), 11-16

13 diambil antara titik pertengahan. ABSMODEL (Heragu & Kusiak, 1991) adalah model umum untuk memecahkan PFSB. ABSMODEL diilustrasikan dalam persamaan (1).

min = ∑

∑

(1)

s.t.:

≥

+

+ ;

= 1,2, … . , − 1; = + 1, … .

≥ 0;

= 1,2, … . , − 1; = + 1, … .

Dalam ABSMODEL, dijmerupakan jarak antara pusat-pusat fasilitas i dan j, sedangkan sij adalah izin yang diperlukan atau kesenjangan antara dua fasilitas. Perhitungan dijditunjukkan dalam persamaan (2).

=

+

(2)

Dijadalah ruang antara fasilitas

i dan j.

Dij

belum tentu sama dengan

sij. Jika fasilitas

k

ditempatkan di antara fasilitas i dan j dengan sij = 0 maka

Dij =

lk. Dalam penelitian ini,

diasumsikan nilai sij adalah 0.

Kerangka kerja EDAPSO disediakan pada Gambar 1. Algoritma ini menjalankan prosedur EDA dan PSO secara bergantian. Algoritma dimulai dengan inisialisasi dari semua variabel. Prosedur EDA kemudian mulai berjalan ketika generasi saat ini dapat dibagi dengan 2. Jika tidak, prosedur PSO dilakukan. Prosedur PSO terdiri dari perhitungan kecepatan dan pembaruan posisi partikel. Setelah perhitungan

fitness, partikel yang terbaik dan nilai-nilaiglobal terbaik dihitung.

Masih pada Gambar 1, Regenerasi populasi yang mengganti parent partikeldengan children

partikeldilakukan setelah metode EDA atau PSO dijalankan. Selanjutnya, dilakukan perhitungan nilai fitness terhadap populasi baru ini yang diikuti oleh perhitungan particle best

dan global best. Strategi elitisme dilakukan jika pada generasi berikutnya akan dijalankan prosedur EDA. Di akhir Gambar 1, terdapat pengecekan apakah generasi saat ini (g) telah mencapai maksimum generasi(ditentukan sesuai dengan besarnya problem). Apabila g telah mencapai maksimum jumlah generasi maka algoritma akan berhenti, apabila belum, maka perulangan akan dilanjutkan.

A. Tahap Estimation Distribution Algorithm

Dalam permasalahan yang berisi n fasilitas yang diberi label denganF1

_{, F}

2

_{, ..., F}

n_{, urutan}_X berisi nomor permutasi dari semua label. X

dapat direpresentasikan dengan menetapkan fasilitas

X[i]ke lokasi

i, dimana i∈_[1, _n_].

Urutan yang berbeda padaX merupakan solusi tata letak yang berbeda.

Representasi kromosom dapat dilihat pada Tabel 1. Jumlah lokasi kromosom yang disesuaikan dengan jumlah fasilitas dalam masalah yang menjadi benchmark. Tabel 1 menunjukkan contoh representasi kromosom dengan 8 fasilitas.

X[2]= 3 berarti fasilitas 3

ditempatkan ke lokasi 2.

TABEL 1. ILUSTRASI KROMOSOM

i 1 2 3 4 5 6 7 8

X[i] 5 3 4 1 8 2 7 6

Dalam setiap generasi g, kelompok kromosom C yang memiliki fitness yang lebih baikakan dipilih. Kromosom diberi label X1

_{, X}

2

_,

…,

dan

X

C_{, di mana}_C_{adalah setengah dari} jumlah populasi. Distribusi kromosom

parentdiartikan dengan sampling solusi baru dari model probabilistik univariat dan bivariat (Chen, Chen, Chang, & Chen, 2012). Solusi yang dihasilkan oleh dua model probabilistik dikenal sebagai extended artificial particles. Dalam penelitian inidiadopsi model probabilistik yang sama seperti yang dijelaskan (Chen, Chen, Chang, & Chen, 2012). Model univariat atau probabilistikordinal, [ ]

( )

dalam persamaan (3) menunjukkan pentingnya fasilitas dalam urutan. Hal ini menunjukkan berapa kali fasilitas i ditempatkan sebelum atau pada posisi [i] di generasi gsaat ini.

A

_{[ ]}akandiset ke 1 jika fasilitas i ditempatkan sebelum atau pada posisi [i].Selain itu,akan diatur ke 0.

[ ]

( ) = ∑

A

[ ]

, i = 1, … , n; =

1, … ,

(3)

Bivariat atau modelprobabilistik dependen dalam (4) merupakan berapa kali fasilitas j

ditempatkan segera setelah fasilitas i.

B

akandiset ke 1 jika fasilitas j ditempatkan di samping fasilitas i, jika tidak maka akan diatur ke 0. Nilai 0 dalam _{[ ]}

( )

dan

( )

diganti dengan 1/C untuk menjaga keragaman dari EDAPSO.

( ) = ∑

B , i, j = 1, … , n; =

1, … ,

(4)

(18)

14 [ ]

( )

dikalikan dengan

( )

. Cara ini akan merangkum nilai-nilai probabilitas dari semua fasilitas yang belum ditetapkan yang bisa diatur pada posisi [i] (Chen, Chen, Chang, & Chen, 2012).

Untuk setiap offspring

O

1

_{, O}

2

_{, …, and}

O

2C

_,

_beberapa _metode _digunakan untukmenetapkan fasilitas ke lokasi yang ditentukan. Untuk memilih fasilitas di lokasi pertama, metode yang diusulkan secara acak memilih fasilitas pertama yang muncul dalam kromosom C, yaitu X. Misalnya untuk menetapkan fasilitas pertama keO1

_,

_jika

_X

3 diambil secara acak, maka fasilitas pertama adalah dari

X

3_{. Pendekatan ini lebih} menjanjikan daripada yang diusulkan dalam (Chen, Chen, Chang, & Chen, 2012), yang memilih fasilitas acak. Untuk menempatkan fasilitas yang tersisa, diadopsi formula dalam (Chen, Chen, Chang, & Chen, 2012) yang ditunjukkan pada persamaan (5).

[ ]( ) =_∑ [ ]( )× ( )

[ ]( )× ( )

∈Ω (5)

Dimana:

[i] = 2,3, …, n; i = 1,2, …, n;

Ω: himpunan fasilitas yang belum ditentukan.

Sebuah metode seleksi untuk memilih fasilitas dari Ω dan meletakkannya di posisi [i]

dimodifikasi dari (Chen, Chen, Chang, & Chen, 2012). Metode seleksi ini dilakukan dalam memproduksi setiap offspring. Pseudocode

berikut menunjukkan prosedur penetapan.

1:

Ω : Himpunan fasilitas yang ditetapkan.

F : Himpunan fasilitas yang ditetapkan. F

k : Indeks unsur posisi fasilitas yang

n : Jumlah fasilitas.

B. Tahap Particle Swarm Optimization

Prosedur PSO dimulai ketika generasi saat ini bernilaiganjil dan dimulai dengan inisialisasi

dari semua parameter yang terkait. Pengaturan berat inersia yang dirujuk dari (Haupt & Haupt, 2004) tercantum pada persamaan (6)

Inertia Weight = (6)

Selanjutnya, perhitungan kecepatan dari setiap partikel dioperasikan. Dalam standar PSO, kecepatan ditambahkan ke partikel pada setiap dimensi untuk memperbarui partikel, sehingga dalam hal inidigunakan ukuran jarak. Jika kecepatan lebih besar, partikel dapat menjelajahi jangkauan yang lebih jauh. Demikian pula, kecepatan baru dalam skenario permutasi merupakan kemungkinan bahwa perubahan partikel. Jika kecepatan lebih besar, partikel lebih mungkin untuk mengubah urutan permutasi baru. Rumus pembaruan kecepatan dalam persamaan (7) tetap sama, sedangkan proses update partikel berubah.

⃑( + 1) = × ⃑( ) + ⃑ −

⃑ ( ) + ⃑ − ⃑ ( ) (7)

EDAPSO yang diajukan dalam makalah ini menggunakan teknik dalam memperbarui partikel berbasis permutasi berdasarkan konsep dari (Hu, Eberhart, & Shi, 2003).

III. HASIL DAN PEMBAHASAN Terdapat dua skenario yang dilakukan dalam percobaan untuk menguji metode yang diusulkan. Pertama, perbandingkan metode yang diusulkan dengan EDA dasar dan PSO untuk memeriksa ketahanan ketika menyelesaikanPFSB. Dalam uji coba ini,digunakan sepuluh masalah benchmark yaitu P4, LW5, N6, S8, S8H, S9, S9H, S10, S11 dan mempertimbangkan hasil minimum dan tingkat kesalahan masing-masing algoritma dalam mencapai solusi optimal. Persentase tingkat kesalahan(error) yang diperoleh yaitu dengan membandingkan nilai rata-rata di 10 kali program berjalan dan nilai minimum yang dicapai dari ketiga algoritma. Selanjutnya, dalam skenario kedua, dibandingkan nilai minimum yang dicapai atau yang bisa disebut

(19)

15

TABEL 2. PERBANDINGAN EDA, PSO, DAN EDAPSO

Problem n EDA PSO EDAPSO

min error _(%) min error _(%) min error _(%)

P4 4 638.0 0.00% 638.0 0.00% 638.0 0.00%

LW5 5 151.0 0.73% 151.0 0.23% 151.0 0.00%

S8 8 801.0 1.95% 801.0 2.76% 801.0 0.42%

S8H 8 2324.5 0.86% 2324.5 2.25% 2324.5 0.47%

S9 9 2469.5 2.23% 2469.5 0.74% 2469.5 2.21%

S9H 9 4695.5 0.47% 4695.5 5.74% 4695.5 0.23%

S10 10 2781.5 2.88% 2781.50 5.24% 2781.5 2.79%

S11 11 6933.5 4.93% 6933.50 4.04% 6933.5 3.08%

LW11 11 6933.5 4.71% 6973.50 3.91% 6933.5 3.61% P15 15 6534.0 6.42% 6576.50 10.21% 6305.0 4.82%

TABEL 3. PERBANDINGAN DENGAN PENELITIAN SEBELUMNYA

Problem n _(Amaral,OFV OFV OFV OFV Gap

2006) (Samarghandi, Taabayan, & Jahantigh, 2010) (Datta, Amaral, & Figueira, 2011) EDAPSO

P4 4 638.0 638.0 - 638.0 0.00%

LW5 5 151.0 151.0 151.0 151.0 0.00%

S8 8 801.0 801.0 - 801.0 0.00%

S8H 8 2324.5 2324.5 2324.5 2324.5 0.00%

S9 9 2469.5 2469.5 - 2469.5 0.00%

S9H 9 4695.5 4695.5 - 4695.5 0.00%

S10 10 2781.5 2781.5 2781.5 2781.5 0.00%

S11 11 6933.5 6933.5 6933.5 6933.5 0.00%

LW11 11 6933.5 6933.5 6933.5 6933.5 0.00%

P15 15 6305.0 6305.0 - 6305.0 0.00%

Dalam uji coba ini,digunakan pengaturan parameter yang sama untuk EDAPSO, EDA, dan PSO. Ukuran populasi dan generasi bervariasi tergantung pada jumlah fasilitas.Semakin tinggi jumlah fasilitas, semakin banyak populasi dan generasi yang diperlukan untuk mendapatkan solusi yang optimal. Selain itu,ditetapkan ukuran populasi sebagai 4n dalam setiap masalah. Sedangkan jumlah maksimum generasi adalah 10n. Tingkat elitisme adalah 10 persen untuk setiap generasi EDAPSO.

Dibandingkan dengan penelitian yang lain, nilai minimum atau OFV dicapai oleh EDAPSO menunjukkan kinerja yang sama dengan OFV penelitian sebelumnya dalam semua masalah

benchmark. Hasil uji coba ini mencapai selisih 0.00% jika dibandingkan dengan OFV penelitian sebelumnya.

Tabel 2 menunjukkan perbandingan properti statistik antara metode yang diusulkan, EDA, dan PSO. Data yang dicetak tebal menunjukkan nilai-nilai minimum yang

ditemukan di antara semua algoritma. Dapat diamati pada Tabel 2 bahwa EDAPSO mempunyai nilai minimum lebih unggul untuk masalah LW11 sampai P15 dibandingkan dengan PSO, sedangkan untuk masalah P4 sampai S10 memiliki nilai minimal sama. Dibandingkan dengan EDA, EDAPSO memiliki nilai minimum yang lebih rendah pada P15. Selain itu, kita dapat melihat bahwa tingkat error dari EDAPSO sebagian besarmemiliki nilai terendah pada problem benchmark dibandingkan dengan EDA dan PSO. Pada S9, nilai error yang dimiliki PSO lebih rendah daripada EDA dan EDAPSO, hal ini dimungkinkan terjadi mengingat bahwa metode PSO memiliki area pencarian yang luas dan terdapat probabilitas bahwa solusi yang didapat adalah nilai optimal dari suatu permasalahan.

(20)

16 tersebut. OFV dari penelitian sebelumnya diperoleh dari (Amaral, 2006), (Samarghandi, Taabayan, & Jahantigh, A particle swarm optimization for the single row facility layout problem, 2010), dan (Datta, Amaral, & Figueira, 2011). Tanda dash ('-') pada Tabel 3 berarti bahwa hasil tidak tersedia dalam referensi yang dibandingkan. Dari Tabel 3 dapat terlihat bahwa OFV yang dihasilkan oleh EDAPSO dapat menyamai OFV yang dihasilkan oleh penelitian-penelitian sebelumnya.

IV. KESIMPULAN

Makalah ini mengusulkan Estimation Distribution Algorithm Particle Swarm Optimization (EDAPSO) untuk mencari solusi optimal untuk memecahkan masalah NP-Complete yaitu Fasilitas Row Tunggal Tata Letak atau Single Row Facility Layout Problem

(PFSB). Hasil komputasi menunjukkan bahwa EDAPSO memberikan kinerja lebih baik dalam mendapatkan nilai-nilai minimum dan kesalahan minimal dalam sepuluh masalah

benchmark yang digunakan.

Tidak seperti EDA yang menggunakan satu model probabilistik, EDAPSO menggunakan dua. EDA menggunakan model probabilistik univariat, sedangkan EDAPSO berlaku model probabilistik univariat dan bivariat. Penggunaan interaksi variabel dalam model probabilistik bivariat dapat mewakili informasi individual yang lebih baik untuk bagian EDA di EDAPSO. Hal ini memungkinkan EDAPSO untuk melakukan perhitungan lebih baik daripada EDA.

Partikel buatan yang dihasilkan dari informasi statistik global menunjukkan distribusi solusi yang baik dalam ruang pencarian. Oleh karena itu, kombinasi dari partikel buatan dengan operator PSO dapat meningkatkan kualitas solusi. Hal ini juga membuat EDAPSO tampil lebih baik daripada PSO standar.

Selain itu, jika dibandingkan dengan algoritma sebelumnya diterbitkan dalam literatur, EDAPSO mencapai kinerja yang sama di semua 10 masalah benchmark. Gap sebesar

0% menunjukkan bahwa EDAPSO selalu berhasil mencapai nilai minimum data acuan yang diberikan. Dengan demikian, dapat disimpulkan bahwa EDAPSO berhasil memecahkan PFSB untuk mencapai biaya minimum dengan kinerja yang baik.

DAFTAR PUSTAKA

Amaral, A. R. (2006). On the exact solution of a facility layout problem. European Journal of Operational Research, 173 (2), 508–518. Chen, Y. M., Chen, M. C., Chang, P. C., & Chen, S.

H. (2012). Extended artificial chromosomes genetic algorithm for permutation flowshop scheduling problems. Computers & Industrial Engineering, 62 (2), 536-545.

Datta, D., Amaral, A. R., & Figueira, J. (2011). Single row facility layout problem using a permutation-based genetic algorithm. European Journal of Operational Research, 213 (2), 388-394.

Haupt, R. L., & Haupt, S. E. (2004). Practical Genetic Algorithms. Ney Jersey: John Wiley & Sons.

Hauschild, M., & Pelikan, M. (2011). An introduction and survey of estimation of distribution algorithms. Swarm and Evolutionary Computation, 1 (3), 111-128. Heragu, S. S., & Kusiak, A. (1991). Efficient models

for the facility layout problems. European Journal of Operational Research, 53 (1), 1– 13.

Hu, X., Eberhart, R. C., & Shi, Y. (2003). Swarm intelligence for permutation optimization: a case study of n-queens problem. IEEE swarm intelligence symposium (hal. 243–246). Indianapolis: IEEE.

Samarghandi, H., & Eshghi, K. (2010). An efficient tabu algorithm for the single row facility layout problem. European Journal of Operational Research, 205 (1), 98-105. Samarghandi, H., Taabayan, P., & Jahantigh. (2010).

A particle swarm optimization for the single row facility layout problem. Computers and Industrial Engineering, 58 (4), 529-534. Zhang, Q., & Muehlenbein, H. (2004). On the

(21)

Pengaruh dan Pola Aktivitas Penggunaan Internet serta

Media Sosial pada Siswa SMPN 52 Surabaya

Astrid Kurnia Sherlyanita

1)

_{, Nur Aini Rakhmawati}

2)

1,2)_{Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember} Jl. Raya ITS, Surabaya, 60111, Jawa Timur, Indonesia

1)_{sherlyanita13@mhs.is.its.ac.id} 2)_{nur.aini@is.its.ac.id}

Abstrak— Perkembangan fungsi dari internet membuat internet dapat diakses bagi semua kalangan. Akhir-akhir ini, beberapa penelitian membuktikan bahwa sebagian besar pengguna internet adalah kalangan remaja. Berkembangnya media sosial secara mendunia secara tidak langsung memiliki pengaruh besar terhadap penggunaan internet bagi remaja. Fokus pada paper ini adalah penelitian seberapa besar pengaruh penggunaan internet dan media sosial bagi remaja ditinjau dari beberapa aspek serta pola aktivitas penggunaan sosial media pada remaja. Penelitian dilakukan terhadap 44 siswa dan 2 (dua) guru SMPN 52 Surabaya. Hasil survey kemudian dianalisis apakah para siswa memiliki pengetahuan yang cukup terhadap hal-hal yang sebaiknya dilakukan dan tidak berkaitan dengan keamanan dalam penggunaan media sosial. Didapatkan hasil bahwa siswa SMPN 52 Surabaya secara umum sudah dapat menentukan penggunaan internet secara baik, baik untuk sarana pembelajaran maupun fungsi hiburan seperti media sosial, di mana waktu interaksi siswa pada interaksi langsung di kehidupan sehari-hari dan waktu interaksi pada media sosial sudah seimbang dan sesuai dengan porsinya. Serta dapat diketahui bahwa para siswa SMPN 52 Surabaya sudah dapat mengetahui hal-hal dasar yang perlu diterapkan keamanan, seperti pembatasan privasi dan sharing hanya untuk orang yang dikenal.

Kata Kunci— Internet, Media Sosial, Remaja

Abstract—Nowdays, internet is accessable for everyone. Previous studies prove that the majority of internet users are teenagers. Development of worldwide social media indirectly have a major influence on the use of the internet for teen. The focus of this paper is to investigate the impact of the Internet and social media for teens. We evaluated from several aspects as well as social media usage patterns of activity in adolescents. The study was conducted on 44 students and two teachers at SMPN 52 Surabaya. The results then analyzed whether the students have sufficient knowledge of the things that should be done and not related to safety in the use of social media. The results showed that the most of students at SMPN 52 Surabaya generally been able to determine the use of the Internet, both for the means of learning and entertainment functions such as social media, where the interaction time students on direct interaction in daily life and time interaction on social media is already balanced and accordance with the portions. As well as it can be seen that the students of SMPN 52 Surabaya already be aware of the basic things that need to be applied to security, such as restrictions on privacy and sharing only to people you know.

Keywords— Internet, Social Media, Teen Article history:

Received 12 February 2016; Accepted 28 March 2016; Available online 30 April 2016

I.PENDAHULUAN

Pengguna internet telah meningkat setiap waktu. Internet adalah sebuah sistem informasi global yang terhubung secara logika oleh address yang unik secara global yang berbasis pada Internet Protocol (IP), mendukung komunikasi dengan menggunakan TCP/IP , menyediakan , menggunakan , dan membuatnya bisa diakses baik secara umum maupun khusus (Greenlaw & Hep, 2001). Sumber lain mendefinisikan internet

sebagai sebuah jaringan besar yang menghubungkan jaringan komputer baik dari organisasi bisnis, organisasi pemerintahan , dan sekolah-sekolah dari seluruh dunia secara langusung dan cepat (Turban, Rainer, & Potter, 2005). Penggunanya dapat mencakup semua usia, dari kalangan kanak-kanak sampai dewasa. Begitu pula dengan dunia pendidikan, internet telah menjadi salah satu fasilitator utama dalam pelaksanaan proses belajar mengajar pada institusi-institusi pendidikan di seluruh

penjuru dunia. Digitalisasi bahkan telah diimplementasikan pada institusi pendidikan di negara-negara berkembang di seluruh dunia, seperti pengajaran menggunakan presentasi digital,

pengumpulan tugas secara online dan lain sebagainya. Siswa maupun pengajar secara tidak langsung dituntut untuk menguasai berbagai alat maupun perangkat lunak teknologi informasi mengingat perangkat keras dan perangkat lunak tersebut sebagai fondasi dari berjalannya sebuah teknologi informasi.